Erineva kestusega maksuvõlgade tekke prognoosimine Eesti ettevõtete näitel

Abstract

Käesoleva magistritöö eesmärk on prognoosida Eesti ettevõtete erineva kestusega maksuvõlgade teket, kasutades selleks varasemaid maksuvõlgade andmeid, ettevõtte üldiseid tunnuseid ning finantssuhtarve. Magistritöö erineb varasematest uuringutest maksuvõla kestusastmete (ajutine, lühiajaline, keskmine, pikaajaline) eristamise ning ajatamata maksuvõlgade eraldiseisva käsitluse poolest. Magistritöö käsitleb Eesti käibemaksukohustuslasest ettevõtete maksuvõla teket 2018. aastal ning ennustavate muutujate puhul kasutatakse sellele eelneva kahe aasta (2016–2017) andmeid. Magistritöös kasutati logistilise regressiooni ja tehisnärvivõrgu meetodeid kahel erineval andmestikul: kogu maksuvõlgade ning ainult ajatamata maksuvõlgade andmestikul. Tulemused näitavad, et tehisnärvivõrk edestas logistilist regressiooni kõigis mudelites. Kõrgeim prognoositäpsus (97,9%) saavutati ajatamata maksuvõlgade andmestikul keskmise kestusega maksuvõlgade prognoosimisel. Uuring kinnitab varasemate tööde tulemusi, mille kohaselt on maksuvõlgade ennustamisel varasemate maksuvõlgade lisamine mudelisse oluliseks täpsust parandavaks teguriks, ületades prognoosivõimes nii finantsnäitajad kui ka ettevõtte üldised tunnused. Muutujad lähemast minevikust võimaldavad maksuvõla teket prognoosida kõrgema täpsusega, võrreldes kaugema mineviku omadega. Lisaks teaduslikule panusele saavad kõrgete prognoositäpsuste tõttu erinevad osapooled neid mudeleid rakendada ka praktikas.